1.
Mise en œuvre de IIIF pour la
reconnaissance automatique de
documents
IIIF - Biblissima
Christopher Kermorvant

2.
Traitements automatiques de documents
IIIF Biblissima – 24 mars 2021
• Traitement automatique de grandes
collections de documents numérisés
• Basé sur des algorithmes de Machine/Deep
Learning
• Platform As A Service
• Compatible IIIF (dès le début)
TEKLIA - Arkindex
Arkindex versus eScriptorium ?

3.
Traitements automatiques de documents
IIIF Biblissima – 24 mars 2021

4.
Illustration de l’usage de IIIF sur 2 projets
IIIF Biblissima – 24 mars 2021
HORAE (HOurs - Recognition, Analysis, Editions)
Etude des pratiques religieuses de la fin du Moyen Âge à travers
les livres d’heures
ANR-17-CE38-0008
BALSAC
Reconnaissance de 6 millions d’actes paroissiaux du Quebec
1850-1920.
Université du Québec à Chicoutimi

5.
Projet HORAE : études des livres d’heures
IIIF Biblissima – 24 mars 2021

6.
IIIF : Accès à toutes les miniatures
IIIF Biblissima – 24 mars 2021

7.
IIIF : Accès à la structure, les heures de la Vierge
IIIF Biblissima – 24 mars 2021

8.
Projet HORAE : 944 livres d’heures
IIIF Biblissima – 24 mars 2021
0 50 100 150 200 250 300 350
mazarinum.bibliotheque-mazarine.fr
www.e-manuscripta.ch
cudl.lib.cam.ac.uk
e-codices.unifr.ch
adore.ugent.be
iiif.archivelab.org
fuldig.hs-fulda.de
api.digitale-sammlungen.de
iiif.bodleian.ox.ac.uk
trin-sites-pub.trin.cam.ac.uk
digital.blb-karlsruhe.de
iiif.lib.harvard.edu
horae-pictavenses.fr
www.e-codices.unifr.ch
polona.pl
digi.vatlib.it
purl.stanford.edu
gallica.bnf.fr
bvmm.irht.cnrs.fr
Manifests par serveur IIIF

9.
Projet HORAE : performances des serveurs
IIIF Biblissima – 24 mars 2021
5 serveurs IIIF en Europe
1 serveur de traitement à Helsinki

10.
Projet HORAE : performances des serveurs
IIIF Biblissima – 24 mars 2021
Temps réseau
Temps
Download
62 529 requêtes

11.
Projet HORAE : performances des serveurs
IIIF Biblissima – 24 mars 2021
serveur position temps
nombre
requêtes
logiciel
digi.vatlib.it Vatican 0.82 21441 IIPImage
www.e-codices.ch Fribourg, Suisse 0.62 14863 Loris
gallica.bnf.fr Paris, France 1.80 11760 IIPImage
iiif.irht.cnrs.fr Orléans, France 1.04 8806 OmekaS
horae-pictavenses.fr Paris/Niors, France 0.66 2868 OmekaS
trin-digital-library.trin.cam.ac.uk Cambridge, Angleterre 1.04 2791 Cantaloupe
Les performances dépendent de paramètres du serveur, de la charge, du cache, du format d’image…

12.
Projet Balsac : Extraction d’information dans les
registres paroissiaux du Quebec (1850-1920)
IIIF Biblissima – 24 mars 2021

13.
Projet Balsac : serveur IIIF
IIIF Biblissima – 24 mars 2021
10 centres
36 districts
1 985 paroisses
44 742 registres
1 995 646 images
Format JPEG2000
Stockage AWS S3
Images
Maintenant ?
• Consommation de RAM importante
• Migration en stockage local car S3 trop lent
• Conversion des images en JPEG pour réduire le stockage et éviter les
conversions par le serveur
Choix de Cantaloupe en 2019
• support AWS S3
• support JP2000
• très versatile (cache, support de multiples formats d’images)
• assez performant

14.
Projet Balsac : Stratégies d’accès aux images
IIIF Biblissima – 24 mars 2021
Détection des lignes de texte :
• Prédiction par réseaux de neurones profonds
• Besoin d’accéder à l’image de page complète
Mais pas besoin de travailler sur l’image en
pleine taille car le réseau la réduit
https://iiif.teklia.com/main/iiif/2/balsac-jpg%2FDN0753%2F03Q_CE306S24%2F1903%2F03Q_CE306S24_1903_067.jpg/full/470,768/0/default.jpg - size=470x768
• temps moyen de download en full size : 6.96 sec
• temps moyen de download en taille réduite : 0.70 sec

15.
Projet Balsac : Stratégies d’accès aux images
IIIF Biblissima – 24 mars 2021
Reconnaissance d’écriture:
• Prédiction par réseaux de neurones profonds
• Besoin d’accéder aux images de ligne
Mais l’utilisation des zones IIIF
• est trop lente car une requête par ligne
• surcharge les serveurs
Téléchargement de l’image complète et découpage
en ligne en local
Le onze novembre mil neuf cent trois , nous
prêtre , curé soussigné , avons baptisé Joseph
Charles Edgar né la veille , enfant légitime de
Joseph na deau et de Odibs Hallé , de cette
paroisse . Parrain Charles Nadeau , marraine
Victoria Bleton , vu n ' a signé avec le père
époux du parrain , Etaients de l ' en - Vant . Le
parrain n ' a su signer . Lechore faite . J .
Victoria Arston Joseph Nadeau J . E .
Feuilteault Ptre Le quatorze Novembre mil
neuf cent trois nous prêtre soussigné avons
baptisé Marie Georgiana , Emilia née ce jour
fille légitime de Odilon Turcotte meunier , et
de Anna Cloutier de cette paroisse . Parrain
Joseph Clau tier , grand père de l ' enfant de la
paroisse de l ' Enfant Jésus ; marraine
Georgianna Pinaulin son épouse , soussi gné
avec nous . et le père . Le parrain n ' a su signer
. Lecture faite Georgiana Poulin Odilon
Turcotte J . E . Feuiltant Ptre Le seize
novembre mil neuf cent trois nous prêtre
soussigné avons baptisé Marie Léonie Berthe
née la veille fille légitime de Trepplé Larochelle
cultivateur , et de Léonie L ' Heureux de la
paroisse de Saind Elzéar . Par rain Elzéar
Simard ; marraine Marie Carrier soussignée
avec nous . Le parrain n ' a su signer Le père
absent . Lecture faite . Marie Carrier J . E .
Canuel ptre

16.
IIIF : quelques surprises
IIIF Biblissima – 24 mars 2021
https://digital.blb-karlsruhe.de/blbhs/i3f/v20/1078658/full/604,767/0/default.jpg https://digital.blb-karlsruhe.de/blbhs/i3f/v20/1078658/full/full/0/default.jpg
resized full

17.
IIIF : quelques surprises
IIIF Biblissima – 24 mars 2021
https://adore.ugent.be/IIIF/images/archive.ugent.be%3A7F0C4994-C579-11E7-8646-155E6EE4309A%3ADS.50/full/full/0/default.jpg
https://adore.ugent.be/IIIF/images/archive.ugent.be%3A7F0C4994-C579-11E7-8646-155E6EE4309A%3ADS.50/info.json
L’image est de taille 5069×3616 selon info.json
Mais l’image téléchargée en full/full/0/default.jpg
est de taille … 4000×2853
Car le serveur limite la taille maximale des images
en précisant maxWidth / maxHeight
Sauf quand le serveur ne le précise pas…
(mauvaise configuration)

18.
IIIF : quelques surprises
IIIF Biblissima – 24 mars 2021
• Migration des serveurs IIIF vers HTTPS pas toujours effectuée : les navigateurs
ne chargent pas les images
• Dans les manifests, les strings ne sont pas forcément des strings
"label": [ {"@value": "Titel"}, {"@value": "書名"},
{"@value": "Title"} ]
• Manifests non à jour (image en erreur, images supprimée)
• Mauvais arrondi au redimensionnement de certaines images : on demande
1024×1024, on obtient 1024×1025

19.
SYNTHESYS+ : 30 institutions européennes
IIIF Biblissima – 24 mars 2021

20.
Questions ?
kermorvant@teklia.com